EbookLib 0.18版本发布:EPUB电子书库功能全面升级
EbookLib是一个用于创建和操作EPUB电子书文件的Python库。它为开发者提供了简单易用的API,可以方便地生成符合标准的EPUB文件,支持EPUB2和EPUB3格式。通过EbookLib,开发者可以编程方式创建电子书内容、设置元数据、构建目录结构等。
核心功能改进
增强的HTML标签方向支持
新版本增加了对HTML标签dir属性的支持,允许开发者指定文本的阅读方向(从左到右或从右到左)。这对于支持多语言电子书尤为重要,特别是阿拉伯语、希伯来语等从右向左阅读的语言。
脚本检测与标记优化
当HTML内容中添加了脚本时,EbookLib现在会自动将相关HTML文件的scripted属性设置为True。这一改进使得电子书阅读器能够更好地识别包含脚本的页面,从而采取相应的安全措施或优化处理方式。
静态项目ID修复
修复了静态项目ID处理中的变量引用错误,确保了在生成EPUB文件时,静态资源的ID能够被正确设置和引用。这一改进提高了电子书生成的稳定性和可靠性。
EPUB兼容性提升
更健壮的XML解析器
新版本采用了更强大的XML解析器来处理EPUB文件,显著提升了库对各种EPUB文件的兼容性。这一改进使得EbookLib能够更好地处理格式不规范或包含特殊字符的EPUB文件。
容器XML声明优化
在生成EPUB容器XML文件时,现在统一使用双引号进行XML声明。虽然这是一个小的语法改进,但它确保了生成的EPUB文件能够被更广泛的阅读器和验证工具正确识别。
未压缩EPUB目录支持
新增了对未压缩EPUB目录的读取支持。现在开发者可以直接从解压后的EPUB目录结构中读取内容,而不必先将其压缩为.epub文件。这一功能在开发和调试过程中特别有用。
导航与目录功能增强
现代导航文档优先
根据EPUB3规范的要求,当电子书中同时存在NCX(传统导航)和Navigation Document(现代导航)时,EbookLib现在会优先使用Navigation Document。这一改进确保了生成的电子书符合最新的EPUB标准。
自定义目录标题
新增了设置自定义目录标题的选项。开发者现在可以为电子书的目录页面指定特定的标题,而不是使用默认值。这一功能提高了电子书的个性化程度。
NCX目录加载修复
修复了从EPUB文件加载目录时的一个关键问题,确保了NCX目录能够被正确解析和加载。这一改进提高了电子书阅读体验的可靠性。
文档与代码质量改进
文档修正与优化
修复了文档中关于Dublin Core元数据的拼写错误,并整体改进了README文件的内容和结构。这些改进使得项目文档更加准确和易于理解。
代码质量提升
实施了Python代码的linting检查,提高了代码的一致性和可维护性。这一改进虽然对最终用户不可见,但为项目的长期健康发展奠定了基础。
总结
EbookLib 0.18版本带来了多项重要改进,从核心功能到兼容性都有显著提升。这些改进不仅增强了库的稳定性和可靠性,还扩展了其功能范围,使其成为处理EPUB电子书更加强大的工具。对于需要以编程方式创建或处理EPUB文件的开发者来说,升级到0.18版本将获得更好的开发体验和更高质量的生成结果。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C036
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00